基于数学形态学的遥感图像道路提取
基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究
（） ６
能存在 混 淆 ， 此 很 难 在 影 像 图 上 展 现 整 体 纹 理 因
效果 。
那 么 ， 过去 噪 后 的 图 ２中 Ａ、 Ｃ、 的 中 心 经 Ｂ、 Ｄ
像元 新 的亮度 值 分别 为 ： ３ ７ ５ 、 ， 的邻 域 均 值 ５ 、 、４ ７新 为 ：３ １ 、 ． ７ ５ ． ８ ６ ５ ， 的 Ｌ Ｐ值 为 ：０ 、 ５ ．１ ６ ６ 、３ ７ 、． ６ 新 Ｂ ２ ４
理 论 研 究
遥感信 息
基于 Ｌ Ｐ算子与 多尺 度分析 的 Ｂ 高 分辨率遥 感影 像道路 自动提 取方法改进研 究
陈 杰① ， 敏 华①， 卓① ， 登 山① ～ 杨 臧 ～ 黄
（ 中南 大 学 测绘 与 国土 信 息 工 程 系 ， 沙 ４ ０ ８ ； 中南 林 业科 技 大 学 林 业 遥 感 信 息 工 程研 究 中心 ， 沙 ４ ０ ０ ） ① 长 １０３② 长 １０ ４
１ ８ ２ ６ １ ８ 有效 地去 除 了噪声 干扰 。 ７ 、 ３ 、７ ，
蘼 嚣
Ａ Ｂ Ｃ Ｄ
３ 多尺 度 与 局 部 方 差 分 析
文献 ［ ７ 中描 述 了遥感影 像 中 的道 路 主要 呈 现 － １ ２
图 １ 易 混淆 的邻 域
为 了使 Ｌ Ｐ算 子 既能反 映局 部纹 理 ， 能不 失 Ｂ 也 “ 真实 ” 地表示 局 部 纹 理 的整 体 效 果 ， 文 将 式 （ ） 本 １
道路 信息 的方法 。而从所 采 用 的遥感 影像 的角度 来
看 ， 献 ［３ １］ 分别 用 Ｅ 文 １～ ８则 ＴＭ ＋ 、 Ｋ Ｉ ＯＮＯ Ｓ和 Ｑｕｅ Ｂ ｒ 像对 城 市道 路进 行 提取 。 ｉｋ ｉ ｄ影 基 于 局 部 二 进 制 模 式 （ ｏ ａ Ｂ ｎ ｒ ａｔｒ ， Ｌ ｃｌ ｉａｙ Ｐ ｔ ｎ ｅ Ｌ Ｐ 是 ｏ ａａ在 文 献 ［ ９ 中 引入 的 一 种 纹 理 描 述 Ｂ ） ｊｌ １］
多特征融合的LSSVM遥感影像道路提取
因此，线性特征指数 ＩＬＦ的计算公式为
ＩＬＦ
＝Ｌ＝Ｌ＝Ｌ２ Ｗ ｎｐ ｎｐ
Ｌ
（４） （５）
其中，Ｗ、Ｌ为影像对象的 宽、长；ｎｐ 表示连 通 区 域 的面积。ＩＬＦ值 越 大，表 明 为 道 路 的 可 能 性 越 大； ＩＬＦ值越小，表明该值可以直接移除。
１．２．３ 二阶矩形状特征
ＳＭ、ＬＦＩ特征参数对规则的道路表达效果较
ｊ＝１
（９）
根据对偶理论可以进一步简化公式为
{∑ ∑ } ｍａｘ
Ｎ
αｉ
ｉ＝１
－
１ ２
Ｎ
αｉαｊｙｉｙｊφ（ｘｉ）φ（ｘｊ）
ｉ＝１
；
Ｎ
∑ ０≤ αｉ≤ Ｃ； αｉｙｉ ＝０ ｉ＝１
（１０）
式中，Ｃ为惩罚因子。最终的最优分类模型可以
表示为
[ ] Ｌ
∑ ｆ（ｘ） ＝ｓｇｎ αｉｙｉＫ（ｘｉ，ｘｊ）＋ｂ （１１） ｉ＝１
３ 实验结果分析
本文采用某地 ＲＧＢ三个波段的高分辨率遥
感影像数据为研究对象，利用本文提出方法获取
的道路信息如图 １所示。由图 １（ｂ）可知，高分辨
率遥感影像经过 ＨＩＳ变换，在 Ｓ分量上建筑物和
道路与其他地物的光谱特征差异明显，能够有效
地剔除建筑物与非道路信息；图 １（ｃ）为采用多尺
度分割方 法 获 取 的 影 像 对 象，包 括 了 道 路、建 筑
目前常用的遥感影像道路提取方法主要包 括半自动提取和自动提取方法。国内外学者对 遥感 影 像 道 路 提 取 方 法 进 行 了 大 量 研 究，如 Ｓｎａｋｅ模型、数学形态学、动态规划模型以及面向 对象法等。文献［３４］对 Ｓｎａｋｅ算法进行改进， 通过设置初始种子点结合光谱信息四元组表达， 利用 Ｓｎａｋｅ模型逼近道路边缘。文献［５］采用多 尺度分割算法获取影像对象，利用样本对象的光 谱特征进行支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ， ＳＶＭ）分类 器 模 型 训 练，完 成 多 尺 度 下 的 道 路 网 信息提取 工 作，该 方 法 受 样 本 选 取 结 果 影 响 较 大，而且分 割 结 果 容 易 出 现 粘 连 现 象。 文 献 ［６］
道路提取
国内外的研究现状
• 20世纪70年代，国外一些国家的机构和学者就对道路提取 进行了研究。国内起步比较晚，经过几十年的努力，针对 不同影像、不同空间分辨率、不同的道路模型等，出现了 许多新的理论和技术。由于遥感影像尤其是高分辨率的遥 感影像的目标细节的复杂性，现有的道路提取算法通用性 差，仅仅能运用与某些特定的场合，在自动道路提取技术 上不是很成熟。 • 道路提取的一些典型算法 1)基于线状特征的道路提取方法：这种方法主要是利用影 像上道路的线状特征和区域均质性特征提取道路。典型的 算法有：Snake模型方法、动态规划方法、模板匹配方法、 Hough变换方法等。
• 利用影像的分割技术是一个很好的提取道路信息的方法。 常用的图像分割方法有基于阈值的分割方法、边缘检测方 法、区域分割方法等。道路信息的提取液应该是图像分割 技术的应用。 • 阈值分割法是一种简单有效的图像分割法。它对物体与背 景有较强对比的图像分割特别有效。其基本原理就是：通 过设定不同的阈值，把图像的像素点分成若干类。设原始 图像为f(x,y)，按照一定的准则在该图像中找到特征值T， 将图像分割为两个部分，分割后的图象为：
• 图1来源谷歌地 球上一幅高分 辨率的遥感影 像。影像上的 主干道路比较 清晰。零散的 噪声点较少。 但是道路的边 缘信息不是很 明显，需要进 行图像增强来 突出道路信息。
图1 原始图像
这里选取两种方法进行影像增强：
• ①直方图均衡化 • 直方图修正是指增加影响像素值直方图分布来对影像进行 增强处理。经过直方图修正后，影像的像素值在各个级别 上都有分布，影像的像素值间的差距拉大，更容易表现细 节。 • 数字图像中灰度级别为rk的像素出现的频数（概率）：
• ③拓扑特征：理想条件下,各道路相互连通,形成道路网, 各道路仅存在两种可能性:一种是与另外一条道路相交;另 外一种就是由于单幅影像的覆盖范围有限,道路直接延伸 到影像的边界外。 • ④上下文特征:上下文特征是指与道路相关的特征和信息， 上下文信息包含全局意义上和局部意义上两类。全局意义 上,上下文特征提供了全局范围的信息。局部意义上,上下 文特征提供局部范围内的信息。 • ⑤功能特征:与铁路、水路、航空和管道等组成运输网络, 起到运输的作用，一般都具有指向,将乡村、城市、厂矿 等联系起来。
道路提取
道路信息自动化和半自动提取研究综述姓名：******学号：******专业：地图学与地理信息系统学院：*******道路信息自动化和半自动提取研究综述摘要:道路信息作为一种重要的基础地理信息，可以作为提取其他地物目标的线索和参考系，具有很强的现实意义。
从遥感影像自动提取人工地物,特别是线状地物(主要是道路),不仅是摄影测量与遥感领域的难题,也是计算机视觉与图像理解研究的重点之一。
本文首先阐述了道路提取的基本思想以及与道路提取有关的背景知识，然后介绍了国内外比较成熟的理论与技术，最后总结并展望了道路提取的发展趋势。
关键词：道路提取，自动化道路提取，半自动道路提取Abstract：Road information as a kind of important basic geographic information, and other features can be extracted the clues and reference of the target has a strong practical significance. Automatic extraction of artificial from remote sensing image features, especially linear feature (mainly road), not only is a difficult problem in the field of photogrammetry and remote sensing, is also the emphasis of research in computer vision and image understanding. Firstly, this paper expounds the basic ideas and road extraction road extraction related background knowledge, and then more mature theory and technology at home and abroad is introduced, finally summarized and prospected the development trend of road extraction.Key words: road feature extraction; automatic road extraction; semi-automatic road extraction随着实时、全天候、大面积获得地面高分辨率、高精度、多时相、多光谱的数字影像成为可能。
基于数学形态学的遥感图像道路提取
程实用性较G oogle Earth 、World W ind 差。
514 国产GeoGloble 软件2008年底,国家测绘科技委员会在上海提出了启动“国家地理信息公共服务平台”建设工程,打造中国自主知识产权的G oogle Earth 即GeoGloble 。
由武汉大学测绘遥感信息工程国家重点实验室研发。
GeoGl obe 软件还提供了强大的二次开发功能。
现在只能内部使用还没有对外开放,期待GeoGlobe 尽快免费开放。
6 结束语G 自5年发布以来,已经在地质勘察、防治灾害、交通规划、水利工程、土地规划利用等广泛领域发挥作用,吸引了众多爱好者二次开发相关应用软件,帮助我们更好的应用G oogle Earth 。
以G oogle Ea rth 为代表的,互联网上海量免费地理信息数据,提高了铁路勘测设计效率,降低了劳动强度,节约了生产成本,而且这些数据在勘测设计项目中的应用还有很大空间,需要设计人员不断探索发现。
参考文献[1] 宁 锐.基于RS 和GIS 的铁路选线设计及综合评价模型初探[J ].铁道勘察,2006(6)[2] 刘江涛,蒲 浩,朱 江.基于数字地球铁路三维空间选线系统研究[J ].铁道勘察,2009(3)[3] 谢 伟.Google Earth 等免费数据源在铁路勘测设计中的应用[]铁道勘察,()[] 李志林,朱 庆数字高程模型[M ]武汉武汉测绘科技大学出版社,收稿日期:2009212228基金项目:国家自然科学基金“基于特征组与专家知识的新农村道路分层提取”(40701111)。
第一作者简介:郑 丽(1983—),女,2007年毕业于徐州师范大学测绘工程专业,在读硕士研究生。
文章编号:167227479(2010)0120012204基于数学形态学的遥感图像道路提取郑 丽 潘建平(重庆交通大学土木建筑学院,重庆 400074)Extraction of Roads fr o m Re m ote Sen si n g I ma gesB a s ed on M a thema ti ca lM or phologyZheng L i Pan J ianp ing 摘 要 从遥感影像上提取道路信息是一个重要的研究方向。
数学形态学
基于数学形态学的高分辨率遥感影像道路提取李利伟,刘吉平,尹作为(武汉大学资源与环境科学学院,湖北武汉430079)摘要:利用数学形态学的方法对高分辨率遥感影像道路提取进行了研究,通过对影像进行预处理增强道路信息,依据影像灰度直方图信息,对预处理后的影像进行阈值分割,得到一个包含道路信息的二值影像;进一步使用形态开运算去除细小噪声,同时将一部分粘连在道路上的噪声与道路信息进一步分割;接着结合形态腐蚀和形态重建运算获取影像中主要道路网络信息,并用形态闭运算完善道路网络信息;最后对道路网络信息进行形态细化和一定次数的形态修剪处理,得到单像素宽的道路中心线信息。
利用数学计算软件MA TLAB在高分辨率遥感影像上作了实验,并进行了总结和分析。
关键词:数学形态学;影像道路信息提取;阈值化;形态重建中图分类号:P237.3 文献标识码:A 文章编号:1000-3177(2005)81-0009-031 前 言遥感影像中道路信息的提取在很多领域已得到广泛的应用,例如数字测图、影像理解等。
国内外这方面的研究有20多年的历史,众多学者从不同角度,不同应用领域,针对不同数据源都提出了自己的方法和研究成果。
这些方法主要可分为两大类[3],一种是半自动的遥感影像道路提取算法,同时也是使用最广泛的方法,它通过人机交互的方法提取道路种子点信息,然后结合道路知识,利用一些自动搜索;另一种是自动的遥感影像道路信息提取算法,它结合道路知识利用人工智能的方法找出道路种子点信息,然后再联结成道路网络信息,尽管这种方法目前还不是很成熟,它却代表了技术发展的方向。
由于遥感影像自身的复杂性,其在光谱特征上存在着大量同物异谱的现象,如道路,建筑物等,在几何拓扑特征上目标信息存在着大量粘连遮盖现象,如树木,车辆等,而且随着遥感技术的不断发展,特别是航天高分辨率遥感影像数据的大量涌现,传统的基于线状目标的遥感影像道路提取方法(如Hough变换,道路检测算子等)不能取得很好的效果,这一切致使通用的遥感影像道路信息的提取方法目前难以实现。
一种基于数学形态学细化的道路跟踪选择算法
一种基于数学形态学细化的道路跟踪选择算法作者：李征王金根陆钰来源：《现代电子技术》2008年第13期摘要：在航空图像中提取道路信息具有十分重要的军事和民用价值。
利用航空图像中道路与背景之间通常存在着灰度差异,结合数学形态学知识,提出了一种基于数学形态学细化的线性跟踪选择算法,并对算法进行了详细描述和算法优点分析,通过实验验证了算法的有效性,实验证明所设计的线性跟踪选择算法检测效率较高,参数易于选择,道路提取效果好,具有较高的应用价值。
关键词：二值化；形态学细化；线性跟踪；线性选择A Road track-selection Algorithm Based on Mathematical Morphological Thinning(Military Intelligence Laboratory,Artillery Academy of PLA,Hefei,230031,China)Abstract：Road extraction from aerial images shows increasing significance of military and-this paper,a track-selection algorithm based on mathematical morphological thinning for road detection in aerial images is introduced, the algorithm is described and the merits of algorithms are analyzed,and the validity of algorithm is validated by experiment.It indicates that the algorithm for road detection has merits of high detection efficiency,parameter is easily selected and has value in practice.Keywords：binarization；morphology thinning；linear tracking；linear selection利用计算机从航空图像中自动提取道路信息,是人们多年的愿望。
遥感图像道路提取方法综述
结论与展望
目前，遥感图像道路提取已经得到了广泛的应用和发展，但仍存在一些挑战 和问题需要进一步研究和改进，例如如何提高道路提取的精度和自动化程度、如 何处理复杂和动态的遥感图像等。未来的研究方向可以包括开发更加快速、准确 和智能的遥感图像道路提取方法和技术；研究更加精细和全面的遥感图像道路信 息表达和处理方式；探索遥感图像道路提取与其他相关领域（如自动驾驶、城市 规划等）的融合和应用等。
结论与展望
结论与展望
本次演示综述了遥感图像道路提取的方法和技术，介绍了图像处理和特征提 取方法、机器学习算法和应用、深度学习和神经网络技术以及其他方法和技术在 遥感图像道路提取中的应用效果及优劣。通过实验设计和数据集的准备，可以进 行不同方法和技术在遥感图像道路提取方面的精度、准确性和可靠性等方面的对 比和分析。
方法与技术
1、图像处理和特征提取方法
1、图像处理和特征提取方法
图像处理和特征提取是遥感图像道路提取的基本步骤之一。常用的图像处理 方法包括滤波、边缘检测、二值化、形态学处理等，能够去除噪声、突出道路特 征、提取道路边界等。常用的特征提取方法包括纹理分析、颜色特征提取、形状 特征提取等，能够提取出反映道路特征的多种特征向量。通过这些方法和技术的 综合应用，可以提高道路提取的精度和自动化程度。
2、机器学习算法和应用
ቤተ መጻሕፍቲ ባይዱ
2、机器学习算法和应用
机器学习算法是一种基于数据驱动的方法，通过对大量数据进行学习，能够 自动识别和提取道路信息。在遥感图像道路提取中，常用的机器学习算法包括决 策树、支持向量机、神经网络等。这些算法能够根据图像的特征自动分类和识别 道路和非道路区域，并且可以对提取的道路信息进行优化和改进。
3、深度学习和神经网络技术